Pesquisa e respostas empresariais sobre os documentos da empresa. Sem alucinações.
O AiST RAG transforma o 1C:GD, as pastas partilhadas, o SBIS, o Confluence e o e-mail numa pesquisa Ai unificada: formule a pergunta com as suas palavras — e receba uma resposta precisa com ligações à fonte original. Já integrado na AiST Platform — ativa-se com uma caixa de verificação.
- ⌕ Pesquisa híbrida + reranker
- ⛁ Mais de 40 tipos de fontes
- ⛨ ACL ao nível do documento
- ⌬ Citações com ligação ao parágrafo
- ◉ 152-FZ · on-prem · embeddings ru
O conhecimento da empresa está escondido em 30 sistemas. Ninguém o consegue encontrar.
Segundo a McKinsey, um colaborador dedica 1,8 horas por dia a procurar a informação de que precisa. E o ChatGPT responde com toda a segurança — mas inventa metade dos factos e não conhece os seus contratos.
O conhecimento vive em 30 sistemas
1C:Gestão Documental, SBIS, Confluence, pastas partilhadas, Outlook, Teams, o portal, Sharepoint. Para encontrar uma resposta, o colaborador entra em 5 sistemas — ou simplesmente liga a um colega.
O ChatGPT mente com convicção
A Ai pública não conhece os seus contratos nem os seus regulamentos. Inventa respostas verosímeis — que depois o jurista e o gestor de produto passam semanas a desfazer. Não é possível confiar.
Não se pode carregar no ChatGPT
Contratos, tabelas de preços, dados pessoais de clientes, documentação de projetos — por força da 152-FZ e dos NDA não podem ir para uma Ai pública. Ou seja, a Ai fica vedada precisamente para o trabalho mais valioso.
A cadeia RAG completa já está montada. O senhor apenas liga as fontes.
Parsing, OCR, chunking, embeddings, pesquisa híbrida, reranker, geração de respostas com citações — cada etapa está configurada e funciona «de série» dentro da AiST Platform.
-
01
Ligue as fontes — com uma caixa de verificação Mais de 40 conectores: 1C:GD, SBIS, pastas partilhadas (SMB/NFS/S3), Confluence, Sharepoint, Outlook, Bitrix24, o site, bases de dados. Uma conta de utilizador de serviço — e está pronto.
-
02
A plataforma indexa tudo sozinha Reconhece digitalizações (AiST OCR), extrai tabelas do Excel, processa PDF e PPT. Chunking por sentido, não por palavras. Sincronização incremental — o documento muda, o índice atualiza-se.
-
03
Pesquisa híbrida + reranker O BM25 capta termos exatos e números; o vetor — o sentido. O cross-encoder seleciona os 8 melhores chunks de entre 200 candidatos. Precisão das respostas — na ordem de 0.92–0.96 em consultas empresariais.
-
04
Resposta com citações e verificação O LLM forma a resposta apenas com os fragmentos encontrados. Cada afirmação — com uma nota para o parágrafo do documento. Se os documentos não contiverem a resposta — dirá honestamente «não sei».
Não «embeddings no Pinecone». Um RAG enterprise de pleno direito.
12 engenheiros durante dois anos montaram aquilo que o senhor ativa com uma simples caixa de verificação. Tudo com afinação industrial — parsing de tabelas, ACL, sincronização incremental, multilinguismo, atualização do índice em tempo real.
Hybrid Search
BM25 + dense vector + sparse vector. Capta tanto números exatos de contratos como consultas semânticas.
Reranker
O cross-encoder seleciona os melhores fragmentos de entre os candidatos. +30% de precisão.
Índices multi-tenant
Cada departamento tem o seu índice. O jurídico não pesquisa nos RH; as vendas, não no jurídico.
ACL ao nível do documento
As permissões são herdadas do 1C:GD, do AD e do Confluence. O colaborador vê apenas o que lhe compete.
OCR em tempo real
Digitalizações de contratos, fotografias tiradas com o tablet, PDF sem texto — através do AiST OCR. Russo, inglês, manuscrito.
Parsing de tabelas
Excel, tabelas em PDF e DOCX — preservamos a estrutura. Pode perguntar «quanto está na linha 7».
Citações e realce
Cada facto da resposta — com ligação ao parágrafo. Pode abrir o documento e ver o fragmento realçado.
Sincronização incremental
O documento muda — o índice atualiza-se. É eliminado — desaparece da pesquisa. Sem reindexações manuais.
Embeddings RU
BGE-M3, GigaEmbed, E5, o seu próprio modelo. Afinados para o russo — não o ada inglês da OpenAI.
Respostas em streaming
A resposta vai sendo escrita à medida que é gerada. O utilizador não espera 10 segundos em silêncio.
Métricas de qualidade
Precision, recall, citation accuracy, faithfulness — de série. Vê onde o RAG falha.
Qualquer LLM através do Gateway
GPT-4, Claude, GigaChat, YandexGPT, o seu self-host. Muda-se nas definições — sem código.
Mais de 40 conectores para onde o seu conhecimento já reside.
Não é preciso «reunir antes tudo no portal corporativo». Ligamo-nos ao que já existe — 1C, pastas partilhadas, SBIS, e-mail, Confluence, bases de dados. As fontes ficam no seu lugar; o RAG lê-as «ao vivo».
// documentos e ficheiros
// pastas partilhadas
// CRM & ERP
// e-mail & comunicações
// BD & catálogos
// web & externo
Um índice para toda a empresa — ou um por cada departamento.
Dentro da AiST Platform, cada departamento recebe a sua própria «sandbox» de conhecimento com as suas fontes e permissões. O jurídico não vê os documentos das vendas; os RH não pesquisam nos contratos de clientes. Um índice comum — apenas para o que deve ser comum.
A plataforma vai sozinha recolher as alterações segundo um calendário. Não é preciso configurar nada na fonte.
O 1C:GD ou o Confluence notificam por si próprios um documento novo — o índice atualiza-se em segundos.
As permissões da fonte propagam-se ao índice. Na pesquisa, o utilizador vê apenas o que já lhe pertence.
Do jurista ao apoio ao cliente — um único motor, cenários diferentes.
O RAG não é «mais um motor de pesquisa». É uma nova interface para todo o conhecimento da empresa. Cada departamento monta o seu assistente — com os documentos de que precisamente necessita.
Pesquisa na base de contratos
«Procura todos os contratos com penalizações-tipo superiores a 5%» ou «há na nossa prática contratos com esta redação?». Resposta em segundos, não em horas de um assistente.
Assistente de regulamentos
O colaborador pergunta «quantos dias de férias me restam e como pedir um dia de folga» — e recebe a resposta a partir dos regulamentos internos e do 1C:ZUP. Os RH libertam-se de 60% das perguntas típicas.
Respostas a clientes com base na documentação
O chat do site ou do Telegram responde às perguntas sobre o produto com precisão de especialista — com base na sua documentação, FAQ e tickets. 70% dos pedidos são fechados sem intervenção humana.
Pesquisa na documentação de concursos
«Procura neste concurso de 200 páginas todos os requisitos de certificação». Resposta em 30 segundos, não num dia. O gestor consegue participar em 5 concursos em vez de 1.
Documentação técnica para engenheiros
«Qual é o binário de aperto dos parafusos do nó X?» — resposta a partir das GOST, dos regulamentos e dos desenhos técnicos. O engenheiro em obra recebe a resposta no seu tablet em 5 segundos, sem ligar para o escritório.
Pesquisa na memória corporativa
«O que decidimos na sessão de estratégia de setembro sobre o projeto X?» — resposta a partir das atas, dos e-mails e das apresentações. A memória corporativa deixa de depender de pessoas concretas.
Não precisa de montar um RAG. Já está montado e a funcionar.
Cada startup «faz o seu próprio RAG» — e ao fim de 6 meses obtém um protótipo para 1000 documentos. Nós já temos tudo a nível industrial: vector DB, embeddings, OCR, ACL, monitorização, eval. Ativa-se com uma caixa de verificação.
Ativa-se — não se constrói.
O AiST RAG é um serviço dentro da AiST Platform. Não precisa de engenheiros de ML, de uma vector DB na sua infraestrutura, de desenvolver o pipeline nem de meses de experiências. Abra o painel, escolha as fontes, carregue em «indexar» — e numa hora o piloto está em produção.
«Andávamos há três trimestres a tentar montar o nosso próprio RAG. Implementámos o AiST — e o primeiro assistente operacional para os juristas tivemo-lo ao quarto dia»
O que mais há na AiST Platform→O conhecimento da empresa — à chave, auditado e no seu perímetro.
O RAG trabalha com o ativo mais valioso da empresa — o conhecimento. Por isso, no AiST está desenhado primeiro para a Segurança, e só depois para a UX.
Perímetro fechado
- On-prem ou AiST BOX no seu centro de dados
- Os documentos não saem do contorno
- Propagação de ACL a partir do 1C / AD / Confluence
- RBAC ao nível do documento e do parágrafo
- Mascaramento de PII no índice
- Auditoria de cada consulta — no SIEM
Qualidade e controlo
- Cada resposta — com citação
- Métricas de precision / faithfulness
- Listas negras de documentos e temas
- «Não sei» em vez de alucinações
- Testes A/B de embeddings e prompts
- Registo de respostas duvidosas — para revisão
Custos previsíveis
- Orçamentos de tokens por departamento
- Cache de respostas — menos 40% na fatura
- Embeddings no seu próprio perímetro — mais barato
- Fatura transparente em rublos
- ROI: tempo de pesquisa antes e depois
- Subscrição ou compra de licenças
O que costumam perguntar antes de um piloto de RAG.
De certeza que não alucina?
O modelo responde apenas com os fragmentos encontrados — é precisamente esse o sentido do RAG. Se os documentos não contiverem a resposta, o assistente dirá honestamente «informação não encontrada». Cada afirmação — com uma nota, verificável com um clique.
Temos 50 TB de ficheiros. Aguenta?
Sim. A vector DB é fragmentada horizontalmente e os embeddings são calculados por lotes no seu próprio perímetro. O maior índice em produção — ~80 milhões de chunks, resposta em ~1,2 s. O volume inicial não está limitado — apenas a infraestrutura.
Como funciona com as permissões de acesso?
As ACL propagam-se da fonte para o índice. Se no 1C:GD um documento é visível apenas para os juristas — na pesquisa também só eles o verão. Não é preciso configurar «permissões para o RAG» à parte.
Quanto tempo demora a implementação?
Um piloto para uma área temática — 1–2 semanas até à produção. A implementação completa do RAG empresarial com todas as fontes — 4–6 semanas. Os modelos para cenários típicos (jurista, RH, suporte) aceleram-na para metade.
Que modelos se podem usar?
Para os embeddings — BGE-M3, GigaEmbed, E5, o seu próprio. Para a resposta — qualquer LLM através do AiST Gateway: GPT-4, Claude, GigaChat, YandexGPT, o seu self-host. Muda-se nas definições do bot — sem código.
Afinal é um produto independente ou parte da plataforma?
O AiST RAG é um serviço dentro da AiST Platform. Pode comprá-lo e usá-lo separadamente (como pesquisa+API), ou diretamente com o construtor de assistentes, os papéis, os orçamentos e o Gateway. Um único painel, uma única fatura.
Envie-nos os seus documentos — mostrar-lhe-emos as respostas da Ai sobre eles em 30 minutos.
Peça uma demonstração: envie alguns documentos da empresa, e o gestor mostrar-lhe-á diretamente na reunião como o RAG responde com precisão às perguntas sobre eles.